Mistral en NVIDIA bouwen AI voor industriële engineering
Mistral en NVIDIA gaan samen AI bouwen voor ingenieurs die vliegtuigonderdelen, auto’s en chips ontwerpen. Dat maakte Mistral op 21 oktober bekend. Het opvallendste deel van de aankondiging gaat over meten: de twee bedrijven willen openbare benchmarks maken die laten zien of AI-agents echt bruikbaar werk afleveren in technische software.
Simulaties sneller laten draaien
Engineers testen een ontwerp eerst virtueel voordat er een prototype komt. Die simulaties van stroming, warmte of mechanische belasting kosten veel rekentijd. Mistral wil zijn pijplijnen voor het genereren van trainingsdata en het modelleren van natuurkunde versnellen met NVIDIA’s CUDA-X-bibliotheken en NVIDIA Warp. Daarnaast komt er een koppeling met Omniverse-bibliotheken, waarmee de modellen 3D-scènes en zogeheten SimReady-objecten kunnen genereren.
Mistral noemt drie doelsectoren: luchtvaart, automotive en halfgeleiders. Vakblad ENGtechnica wijst erop dat het om een plan gaat. Er staan geen gemeten versnellingen in de aankondiging en ook geen releasedata.
Benchmarks voor agents in CAE en EDA
De bedrijven willen open datasets en publieke benchmarks uitbrengen om fysicamodellen met elkaar te vergelijken. Er komen ook aparte tests voor agents in computer-aided engineering (CAE) en electronic design automation (EDA), de software waarmee chips worden ontworpen. Die tests kijken of een agent de engineeringtools kan bedienen, een taak van meerdere stappen kan afronden en technisch correcte uitkomsten levert. Rekentijd en rekenkosten tellen ook mee.
Neil Ashton, vicepresident computational engineering bij Mistral, spreekt van “open benchmarks rigorous enough to validate agents on real CAE and EDA work”. Tim Costa van NVIDIA wil met gedeelde benchmarks “confidence in what AI can do” opbouwen. Namen van datasets of een planning geven de bedrijven nog niet.
Die nadruk op toetsing is logisch. In engineering heeft een rekenfout fysieke gevolgen. Een verkeerd berekende belasting kan een onderdeel laten bezwijken. OpenAI zette eerder een vergelijkbare stap met GPT-Synopsys voor chipontwerp, maar publieke maatstaven voor dit soort werk ontbreken grotendeels.
Mistral Large 4 als basis
Volgens The Neuron past de samenwerking in een bredere reeks industriële projecten van Mistral. Het bedrijf noemt in de aankondiging Mistral Large 4, dat in publieke preview is. Het multimodale model heeft ongeveer 1 biljoen parameters, waarvan er 49 miljard tegelijk actief zijn, en is getraind op 3.800 Grace Blackwell-GPU’s in Europese datacenters die Mistral zelf beheert. De gewichten moeten eind oktober vrijkomen.
Mistral werkt ook aan andere specialistische modellen. Eerder deze maand bleek dat CERN en Mistral een model voor deeltjesfysica bouwen, en met Timestral kwam er een model voor tijdreeksvoorspellingen. Mistral wil tegen 2030 over 1 gigawatt aan rekencapaciteit beschikken. NVIDIA zelf zette deze week in Berlijn in op snellere bouw van rekencentra met de DSX POD.
Wat betekent dit
Voor Europese maakbedrijven is het interessant dat een Europese modelbouwer zich op hun vakgebied richt, met training in Europese datacenters. De echte waarde zit nu nog in de belofte van meetbaarheid. Als de benchmarks er komen en openbaar blijven, kunnen ingenieursbureaus en chipontwerpers zelf nagaan of een agent hun simulatiewerk aankan, in plaats van te vertrouwen op demo’s. Tot die tijd is dit vooral een intentieverklaring van twee partijen die al langer samenwerken, onder meer aan Mistral NeMo.
